Неравенства чебышева примеры решений. Основы вероятностно-статистических методов описания неопределенностей

Понятие интеграл непосредственно связано с интегральным исчислением – разделом математики, занимающимся изучением интегралов, их свойств и методов вычисления. Вместе с дифференциальным исчислением интегральное исчисление составляет основу математического анализа.

Истоки интегрального исчисления относятся к античному периоду развития математики и берут начало от метода исчерпывания, разработанного математиками Древней Греции.

Метод исчерпывания это набор правил для вычисления площадей и объёмов, разработка которых приписывается Евдоксу Книдскому. Дальнейшее развитие метод получил в работах Евклида, а особым искусством и разнообразием применения метода исчерпывания славился Архимед.

Типичная схема доказательств методом исчерпывания выглядела следующим образом. Для определения величины A строилась некоторая последовательность величин С1, С2, …, Сn, … такая, что

Предполагалось также известным такое B, что

и что для любого целого K можно найти достаточно большое n, удовлетворяющее условию:

Где D – постоянно. После громоздких рассуждений из последнего выражения удавалось получить:

Как видно из приведённой схемы метод был основан на аппроксимации рассматриваемых объектов ступенчатыми фигурами или телами, составленными из простейших фигур или пространственных тел (прямоугольников, параллелепипедов, цилиндров и т.п., обозначенных последовательностью С1, С2, …, Сn, …). В этом смысле метод исчерпывания можно рассматривать как античный интегральный метод.

Кризис и упадок древнего мира привёл к забвению многих научных достижений. О методе исчерпывания вспомнили лишь в XVII веке. Это было связано с именами Исаака Ньютона, Готфрида Лейбница, Леонарда Эйлера и ряда других выдающихся учёных, положивших основу современного математического анализа.

В конце XVII и в XVIII веке все возрастающие запросы практики и других наук побуждали ученых максимально расширять область и методы исследований математики. Понятия бесконечности, движения и функциональной зависимости выдвигаются на первое место, становятся основой новых методов математики.

В конце XVII и в XVIII веке в математике и механике были получены классические результаты фундаментального значения. Основным здесь было развитие дифференциального и интегрального исчисления, теории дифференциальных уравнений, вариационного исчисления и аналитической механики.

Основные понятия и теория интегрального и дифференциального исчислений, прежде всего связь операций дифференцирования и интегрирования, а также их применения к решению прикладных задач были разработаны в конце XVII века, но основывались на идеях, сформулированных в начале XVII веке великим математиком и астрономом Иоганом Кеплером.

В ноябре 1613 года королевский математик и астролог австрийского двора И. Кеплер праздновал свадьбу. Готовясь к ней, он приобрёл несколько бочек виноградного вина. При покупке Кеплер был поражён тем, что продавец определял вместимость бочки, производя одно единственное действие - измеряя расстояние от наливного отверстия до самой дальней от него точки днища. Ведь такое измерение совершенно не учитывало форму бочки! Кеплер сразу увидел, что перед ним интереснейшая математическая задача - по нескольким измерениям вычислить вместимость бочки. Размышляя над этой задачей, он нашёл формулы не только для объёма бочек, но и для объёма самых различных тел: лимона, яблока, айвы и даже турецкой чалмы. Для каждого из тел Кеплеру приходилось создавать новые, зачастую очень хитроумные методы, что было крайне неудобно. Попытка найти достаточно общие, а, главное, простые методы решения подобных задач и привела к возникновению современного интегрального счисления. Но это уже была заслуга совсем другого математика.

Трудно найти другое имя, которое оказало бы столь сильное влияние на историю мировой науки и культуры, как Исаак Ньютон. Известный математик и историк науки Б. Л. Ван-дер-Варден пишет в своей книге “Пробуждающаяся наука”: “Каждый естествоиспытатель безусловно согласится, что механика Ньютона есть основа современной физики. Каждый астроном знает, что современная астрономия начинается с Кеплера и Ньютона. И каждый математик знает, что самим значительным н наиболее важным для физики отделом современной математики является анализ, в основе которого лежат дифференциальное и интегральное исчисления Ньютона. Следовательно, труды Ньютона являются основой огромной части точных наук нашего времени”. И не только наук: “Математика и техника влияют даже на нашу духовную жизнь, и настолько. что мы редко можем представить это себе полностью. Вслед за необычайным взлётом, которое пережило и XVII веке естествознание, последовал неизбежно рационализм XVIII века, обожествление разума, упадок религии... Кто отдает себе отчет в том, - спрашивает автор, - что с исторической точки зрения Ньютон является самой значительной фигурой XVII века?”

Исаак Ньютон родился в 1643 году. Мальчик посещал сначала сельскую школу, а в двенадцать лет его отправили учиться в ближайший город. Директор школы обратил внимание на способного мальчика и уговорил мать Ньютона отправить сына учиться в Кембриджский университет. Ньютон был принят туда в качестве бедного студента, обязанного прислуживать бакалаврам, магистрам и студентам старших курсов.

Кафедру математике в Кембридже занимал тогда молодой блестящий учёный Исаак Барроу. Он скоро стал не только учителем, но и другом Ньютона, а спустя несколько лет уступил своему великому ученику кафедру математики. К этому времени Ньютон получил уже степени бакалавра и магистра. В 1665-1667 годах Ньютон начал работать над созданием математического аппарата, с помощью которого можно было бы исследовать и выражать законы физики. Ньютон первый построил дифференциальное и интегральное исчисления (он назвал его методом флюксий). Это сразу позволило решать самые разнообразные, математические и физические, задачи. До Ньютона многие функции определялись только геометрически, так что к ним невозможно было применять алгебру и новое исчисление флюксий. Ньютон нашел новый общий метод аналитического представления функции - он ввел в математику и начал систематически применять бесконечные ряды.

Поясним эту идею Ньютона. Известно, что любое действительное число можно представить десятичной дробью - конечной или бесконечной. Так. например:

Это значит, что любое число a можно представить в виде:

где N - целая часть, а a1, a2, ... an, ... могут принимать одно из значений 0, 1, 2, 3, 4, 5, 6, 7, 8, 9. По аналогии с таким представлением чисел Ньютон предположил, что любая функция от x, например , может быть представлена как бесконечный многочлен или ряд, расположенный уже не по степеням , а по степеням x:

где a1, a2, ... an, ...- коэффициенты, которые каждый раз должны быть определены. Примером такого ряда может служить известная нам геометрическая прогрессия:

Представление функции с помощью ряда очень удобно. С помощью рядов, как писал Ньютон, “удается преодолеть трудности, в другом виде представляющиеся почти неодолимыми”.

Одновременно с Ньютоном к аналогичным идеям пришёл другой выдающийся учёный - Готфрид Вильгельм Лейбниц.

Готфрид Вильгельм Лейбниц родился в Германии в г. Лейпциге в 1646 г. Любознательный мальчик уже 6 лет вел интересные беседы по истории со своим отцом, профессором Лейпцигского университета. К 12 годам он хорошо изучил латинский язык и увлёкся древнегреческим. Особенно его интересовали древние философы, и он мог подолгу размышлять о философских теориях Аристотеля или Демокрита. В 15 лет Лейбниц поступает и Лейпцигский университет, где усердно изучает право и философию. Он очень много читает, среди его любимых книг - книги Р. Декарта, Г. Галилея, II. Кеплера и Д. Кампанеллы.

Свои колоссальные знания но математике Лейбниц приобрел самоучкой. Через три года, окончив университет, Лейбниц покинул Лейпциг. Он был обижен отказом ученого совета университета присвоить ому степень доктора прав. Отказ объяснили тем. что Лейбниц был... слишком молод!

Началась жизнь, полная напряженного труда и многочисленных путешествии. Легко себе представить, как неудобны были путешествовать в неуклюжих каретах по тряским дорогам Европы тех времен. Лейбниц умел не терять времени даром - много удачных мыслей пришло ему и голову именно во время этих продолжительных поездок. Лейбниц отличался исключительной способностью быстро “входить” и задачу и решать ее наиболее общим способом. Размышляя над философскими и математическими вопросами, Лейбниц убедился, что самым надежным средством искать и находить истину в науке может стать математика. Всю спою сознательную жизнь он стремился выразить законы мышления, человеческую способность думать и виде математического исчисления. Для этого необходимо, учил Лейбниц, уметь обозначать любые понятия или идеи определенными символами, комбинируя их в особые формулы, и сводить правила мышления к правилам в вычислениях но этим символическим формулам. Заменяя oбычные слова четко определенными символами, Лейбниц стремился избавить наши рассуждения от всякой неопределенности и возможности ошибиться самому или вводить в заблуждение других. Если, мечтал Лейбниц. между людьми возникнут разногласия, то решаться они будут не в длинных и утомительных спорах. а так, как решаются задачи или доказываются теоремы. Спорщики возьмут в руки перья и, сказав: “Начнем вычислять” - примутся за расчеты.

Как уже отмечалось, Лейбниц одновременно с Ньютоном и независимо от него открыл основные принципы дифференциального и интегрального исчислений. Теория приобрела силу после того, как Лейбницем и Ньютоном было доказано, что дифференцирование и интегрирование - взаимно обратные операции. Об этом свойстве хороню знал и Ньютон. Но только Лейбниц увидел здесь ту замечательную возможность, которую открывает применение символического метода.

Любой человек, изучив небольшое число правил действия с символами, обозначающими операции дифференцирования и интегрирования, становится обладателем мощного математического метода. В наше время такие символы операций называют операторами. Операторы дифференцирования d() и интегрирования действуют на функции, “перерабатывая” их в другие, точно вычисляемые функции. Лейбниц разрабатывает особую алгебру действий с этими операторами. Он доказывает, что обычное число а можно выносить за знак оператора:

Одинаковые операторы можно выносить за скобку:

Сокращенно все перечисленные свойства можно выразить соотношением:

где: a и b - числа.

Операторы. которые обладают таким свойством. называются линейными. Теория линейных операторов, которую с таким успехом начал развивать, Лейбниц,. в современной математике является хорошо разработанной и полезной в приложениях теорией.

Многократное применение операторов можно принимать как степень оператора, например, для d():

То, что основные операторы математического анализа являются взаимно обратными Лейбниц подчёркивал своей символикой, утверждая, что в d(x) и также взаимно обратны, как степени и корни в обычном исчислении. Употребляя так же обозначение, аналогичное обозначению a-1 числа, обратного a, причём произведение a×a-1=1. Обозначая операторы или наоборот:

и понимая под их произведением последовательное их применение, имеем:

т. е. произведение есть “единица”, не меняющая функцию.

Однако, в подходе Ньютона-Лейбница крылось серьёзное противоречие.

Лейбниц и его последователи - братья Бернулли, Лопиталь и другие - трактовали дифференциалы как бесконечно малые разности обычных конечных величин, как тогда говорили - “реальных” величин “низшей” математики. Поэтому они обращались с теми и другими одинаково и в исчислении применяли к первым те же приемы, которые справедливы при действиях со вторыми. Вместе с тем выяснилось, что таким образом трактуемым бесконечно малым присуще свойство, противоречащее одному основному свойству основных конечных величин: если А - конечная величина, а a - бесконечно малая, то, чтобы результат исчисления получался совершенно точным, оказалось необходимым проводить вычисления в предположении, что А+a=А.

Дифференциальное исчисление, значение которого для развития науки и техники было вне сомнений, оказалось в парадоксальном положении: чтобы его методами получить точный результат, надо было исходить из ошибочного утверждения.

Ньютон пытался обосновать дифференциальное исчисление на законах механики и понятии предела. Но ему не удалось освободить свое исчисление флюксий от недостатков, присущих дифференциальному исчислению Лейбница. В практике вычисления Ньютон, как и Лейбниц, применял принцип отбрасывания бесконечно малых.

Такая непоследовательность позволила назвать дифференциальное исчисление Лейбница–Ньютона мистическим. Этим в первую очередь подчеркивалось, что Лейбниц и Ньютон вводили в дифференциальное исчисление бесконечно малые величины метафизически, сразу полагая их существующими, без выяснения их возникновения и развития и без анализа природы их специфических свойств.

Попытки построить анализ бесконечно малых и теорию рядов в полном соответствии с основными понятиями и истинами “низшей” математики с самого начала к успешным результатам не привели. Поэтому Лейбниц и его последователи пытались оправдать принципы анализа бесконечно малых путем сравнения бесконечно малой с песчинкой, которой можно пренебречь при вычислении высоты горы, посредством ссылок на вероятность и т. п.

Другая попытка была предпринята в конце XVIII века. Известный немецкий математик Вессель предложил оставить анализ бесконечно малых в анализе в качестве “полезных вспомогательных функций”. Однако, такая трактовка широкого распространения не получила - математики знали механическое и геометрическое истолкование dx и dy.

Примерно с последней четверти XVIII века область приложений математического анализа начинает значительно перекрывать границы его обычного приложения в механике и геометрии. Ещё быстрее развертывается этот процесс в первой четверти XIX века.

Математики пытались сначала решать новые задачи методами, разработанными классиками XVIII века - Эйлером, Даламбером, Лагранжем и другими. Однако, вскоре выяснилось, что методы классиков недостаточны, что надо развивать новые, более общие и сильные методы. Выяснилось также, что недостаточность методов классиков нередко связана с узостью трактовки основных понятий, с “изгоняемым” понятием о бесконечно малом, с “исключениями”, которые раньше оставались в тени.

Поясним сказанное одним примером.

Ньютон и Лейбниц разработали две трактовки понятия обычного определенного интеграла.

Ньютон трактовал определенный интеграл как разность соответствующих значений первообразной функции:

,

где F`(x)=f(x).

Для Лейбница определенный интеграл был суммой всех бесконечно малых дифференциалов.

.

Первая трактовка отвечала технике вычисления определенных интегралов при помощи первообразной подынтегральной функции, вторая - потому, что в приложениях определенный интеграл появлялся как предел известного вида суммы (интегральной суммы).

Примерно до последней четверти XVIII века первая трактовка понятия определенного интеграла занимала господствующее положение. Этому способствовали два обстоятельства.

К началу XVIII века были установлены правила дифференцирования всех элементарных функций и началась успешная разработка методов нахождения их первообразных (рациональных, отдельных классов иррациональных и трансцендентных функций). Благодаря этому точка зрения Ньютона вполне отвечала развитию эффективных алгоритмов интегрального исчисления.

Непосредственное вычисление как предела интегральной суммы столкнулось с многими трудностями. Естественно, что это обстоятельство укреплению точки зрения Лейбница не способствовало.

Истолкование обычного определенного интеграла по Лейбницу опиралось на понятие о бесконечно малых, от которого математики XVIII века хотели освободить математический анализ. Это также способствовало укреплению точки зрения Ньютона. Факт этот хорошо подтверждался тем, как Леонард Эйлер использовал понятие об интегральной сумме. Эйлер не возражал против приближенного вычисления определенных интегралов при помощи соответствующих интегральных сумм. Но рассматривать определенный интеграл как предел интегральной суммы он не мог. В этом случае все слагаемые интегральной суммы становились бесконечно малыми, т. е., с точки зрения Эйлера, были нулями.

Историческая справка. В 1963 г. 23-летний Пауль Эйлер окончил курс теологии в Базельском университете. Но учёных теологов было в те годы больше, чем требовалось, и лишь в 1701 г. он получил официальную должность священника сиротского дома в Базеле. 19 апреля 1706 г. пастор Пауль Эйлер женился на дочери священника. А 15 апреля 1707 г. у них родился сын, названный Леонардом.

Начальное обучение будущий учёный прошел дома под руководством отца, учившегося некогда математике у Якоба Бернулли. Добрый пастор готовил старшего сына к духовной карьере, однако занимался с ним и математикой – как в качестве развлечения, так и для развития логического мышления. Мальчик увлёкся математикой, стал задавать отцу вопросы один сложнее другого.

Когда у Леонардо проявился интерес к учёбе, его направили в Базельскую латинскую гимназию – под надзор бабушки.

20 октября 1720 г. 13-летний Леонард Эйлер стал студентом факультета искусств Базельского университета: отец желал, чтобы он стал священником. Но любовь к математике, блестящая память и отличная работоспособность сына изменили эти намерения и направили Леонарда по иному пути.

Став студентом, он легко усваивал учебные предметы, отдавая предпочтение математике. И немудрено, что способный мальчик вскоре обратил на себя внимание Бернулли. Он предложил юноше читать математические мемуары, а по субботам приходить к нему домой, чтобы совместно разбирать непонятное. В доме своего учителя Эйлер познакомился и подружился с сыновьями Бернулли – Николаем и Даниилом, также увлечённо занимавшимися математикой. А 8 июня 1724г. 17-летний Леонард Эйлер произнёс по- латыни великолепную речь о сравнении философских воззрений Декарта и Ньютона - и был удостоен учёной степени магистра (в XIX в. в большинстве университетов Западной Европы ученая степень магистра была заменена степенью доктора философии).

Эйлер отличался феноменальной работоспособностью. Он просто не мог не заниматься математикой или её приложениями. В 1735 г. Академия получила задание выполнить срочное и очень громоздкое астрономическое вычисление. Группа академиков просила на эту работу три месяца, а Эйлер взялся выполнить работу за 3 дня – и справился самостоятельно. Однако перенапряжение не прошло бесследно: он заболел и потерял зрение на правый глаз. Однако учёный отнёсся к несчастью с величайшим спокойствием: “Теперь я меньше буду отвлекаться от занятий математикой”, - философски заметил он.

До этого времени Эйлер был известен лишь узкому кругу учёных. Но двухтомное сочинение “ Механика, или наука о движении, в аналитическом изложении ”, изданное в 1736 г., принесло ему мировую славу. Эйлер блестяще применил методы математического анализа к решению проблем движения в пустоте и в сопротивляющейся среде. “Тот, кто имеет достаточные навыки в анализе, сможет всё увидеть с необычайной лёгкостью и без всякой помощи прочитает работу полностью”, - заканчивает Эйлер своё предисловие к книге.

Дух времени требовал аналитического пути развития точных наук, применения дифференциального и интегрального исчисления для описания физических явлений. Этот путь и начал прокладывать Леонард Эйлер.

Конечно, и до последней четверти XVIII века концепция Ньютона сталкивалась с трудностями. В этот период встречались элементарные функции, первообразные которых не могут быть выражены через элементарные функции. Знали математики и некоторые несобственные интегралы, в том числе и расходящиеся. Но такого рода факты были единичными и установившейся эффективной концепции интеграла нарушить не могли. Иным оказалось положение в последней четверти XVIII и особенно в начале XIX века.

С 70-х годов XVIII века решение задач аналитической механики, физики и других дисциплин потребовало значительное развитие понятия определенного интеграла. Особое значение приобретают двойные и тройные интегралы (Эйлер, Лагранж, Лаплас и др.).

Это было время, когда великие идеи Ньютона и Лейбница были опубликованы сравнительно недавно и современный математический анализ только создавался. Мощные методы, которые принесли с собой эти идеи, находили применение во всех отраслях точного знания. Применение это шло рука об руку с развитием самого анализа, часто указывая пути и направления, по которым должно развиваться новое исчисление. Это была, пожалуй, единственная по своей интенсивности эпоха математического творчества, и Эйлер был один из немногих по своей продуктивности творцов. Его "Введение в анализ бесконечно малых", "Основания дифференциального исчисления" и "Основания интегрального исчисления" были первыми трактатами, в которых уже обширный, но разрозненный материал нового анализа был объединен в цельную науку. В них был выработан тот скелет современного анализа, который сохранился и до нашего времени.

Разработка приемов вычисления двойных и тройных интегралов показала, что вычислять эти интегралы так, как вычисляли обычный определенный интеграл - при помощи неопределенного, очень трудно или даже невозможно. Поэтому математики вынуждены были сохранять концепцию Ньютона только на словах, а на деле, при решении задач точных наук, стали на путь Лейбница. Они вычисляли соответствующие интегральные суммы (в прямоугольных, цилиндрических и сферических координатах) и находили их пределы.

Короче говоря, разработка способов вычисления новых видов определенного интеграла показала, что обыкновенный, двойной и т. д. определенный интегралы должны быть обоснованы сами по себе независимо от понятия неопределенного интеграла. Но каждое слагаемое любой интегральной суммы является бесконечно малой величиной. Тем самым не только ставился вопрос о легализации ранее “изгоняемого” понятия бесконечно малого, но и о раскрытии его реального содержания и о соответствующем его использовании. Как уже указывалось, чтобы всё это сделать надо было преодолеть - обобщить, развить традиционное (Эйлерово) толкование функции и понятия предела.

В связи с этим возник вопрос о существовании пределов интегральных сумм, слагаемые которых были бы бесконечно малыми. В первой четверти XIX века понятие бесконечно малой оказалось необходимым и для изучения и сопоставления свойств непрерывных и разрывных функций. Получение основополагающих результатов связано здесь с именем Коши. “Между многими понятиями, - указывал Коши, - тесно связанными со свойствами бесконечно малых, следует поместить понятие о непрерывности и прерывности функций”. Тут же Коши дает истолкование непрерывности функции, которое более чем ясно подтверждает ясность этого его утверждения.

Новая постановка задач обоснования математического анализа ясно показывала, что дело не только в признании и применении бесконечно малых - это делали и раньше! - но прежде всего в научном истолковании их содержания и обоснованном на этом использовании их в алгоритмах математического анализа. Однако, чтобы это сделать надо было преодолеть господствовавшее в XVIII веке узкое толкование понятия предела, разработать общую теорию пределов.

Изучение разрывных функций и сопоставление их с функциями непрерывными заставило признать то, что ранее считалось невозможным: что предел, к которому стремиться последовательность значений функции, при стремлении аргумента в некоторой точке может оказаться отличным от значения функции в этой точке. Значит, предел не всегда является “последним” значением переменной, но во всех случаях предел есть число, к которому переменная приближается неограниченно. Следовательно, dx и dy не необходимо нули или “мистически” актуально бесконечно малые; бесконечно малая - это переменная, имеющая пределом нуль, причем факт этот с противоречиями и парадоксами не связан.

Коши преодолел и вторую ограничительную тенденцию в принятой до него трактовке понятия предела. Он признал, что переменная может приближаться к своему пределу не только монотонно, но и колеблясь, порой принимая значения, равные её пределу. Это обстоятельство придало теории Коши необходимую общность и исключительную гибкость. Мы до сих пор следуем пути, намеченному Огюстеном Луи Коши, с теми усовершенствованиями, которые были внесены во второй половине XIX века К. Вейерштрассом.

Работы Коши и Вейерштрасса завершили создание классического математического анализа, Тем самым подведя итог многовекового развития интегрального исчисления.

Список литературы

Большакова А. А. Три кризиса в развитии математики. Дипломная работа; Астрахань: АГПИ, 1996.

Детская энциклопедия для среднего и старшего возраста. Т.2; М.: Просвещение, 1965.

Математическая энциклопедия. Ред. Виноградова. Т.2; М.: Сов. Энциклопедия, 1979.

Фихтенгольц Г.М. Основы математического анализа. Т.1; М.: Наука, 1968.

В данной статье рассматриваются предельные теоремы теории вероятностей, в частности неравенство Чебышева, закон больших чисел, которые устанавливают связь между теоретическими и экспериментальными характеристиками случайных величин при большом числе испытаний над ними. Материал статьи ориентирован на детальную проработку основной теоремы Чебышева. Ее доказательство базируется на весьма общей лемме, известной под названием неравенство Чебышева. Данное неравенство справедливо для дискретных и непрерывных случайных величин. Неравенство Чебышева имеет ограниченное значение, так как часто дает грубую и очевидную оценку. Сущность теоремы состоит в том, что отдельные случайные величины могут иметь значительный разброс, а их среднее арифметическое рассеяно мало. Теорема Чебышева представляет собой яркий пример, который подтверждает справедливость учения диалектического материализма о связи между случайностью и необходимостью.

теория вероятностей

случайные величины

предельные теоремы

закон больших чисел

неравенство Чебышева

теорема Чебышева

1. Бочаров П.П., Печинкин А.В. Теория вероятностей. Математическая статистика. – М.: Гардарика, 2009. – 328с.

2. Булдык Г.М. Теория вероятностей и математическая статистика. 2005. – 285с.

3. Гмурман В.Е. Теория вероятностей и математическая статистика: учебное пособие. – 12 издание – М.: Высшее образование, 2008. – 479с. – (Основы наук)

4. Письменный Д. Конспект лекций по теории вероятностей, математической статистике и случайным процессом/ Дмитрий Письменный. – 3-е издание – М.: Айрис-пресс, 2008. – 288с. – (Высшее образование)

Введение

Предельные теоремы условно делят на две группы. К первой группе теорем относится закон больших чисел, устанавливающий устойчивость средних значений: при большом числе испытаний их средний результат перестает быть случайным и может быть предсказан с точностью. Вторая группа теорем, которая называется центральной предельной теоремой, она устанавливает условия, благодаря которым закон распределения суммы большого числа случайных величин неограниченно приближается к нормальному.

В данной статье мы рассмотрим неравенство Чебышева, которое используется: а) для грубой оценки вероятностей событий, связанных со случайными величинами, распределение которых неизвестно; б) доказательства ряда теорем закона больших чисел.

Целью данной статьи является успешное изучение и практическое применение теоремы Чебышева и закона больших чисел для эффективной математической подготовки студентов экономических специальностей высших учебных заведений.

Неравенство Чебышева

Неравенство Чебышева справедливо для дискретных и непрерывных случайных величин.

Теорема 1. Если случайная величина Х имеет математическое ожидание М(Х)=а и дисперсию D(Х), то для любого ε>0 справедливо неравенство Чебышева.

P {|X-M(X)|}≥ε}≤ (1)

Докажем теорему (1) для непрерывной случайной величины Х с плотностью f(x).

Вероятность - это вероятность попадания случайной величины Х в область, лежащую вне промежутка .Можно записать

Так как область интегрирования можно записать в виде2 ≥ ε2,откуда следует. Имеем

так как интеграл неотрицательной функции при расширении области интегрирования может только увеличиться. Поэтому

Аналогично доказывается неравенство Чебышева и для дискретной случайной величины. Рассмотрим случайную величину Х с математическим ожиданием М(Х) и дисперсией D(X). Тогда теорема, приведенная ниже, является справедливой.

Теорема 2. Вероятность того, что величина Х отклоняется от своего математического ожидания М(Х) не меньше любого положительного числа ε ограничена сверху величиной , то есть

P {|X - M(X)|} <ε} ≥ 1- (2)

В форме (2) оно устанавливает нижнюю границу вероятности события, а в форме (1) - верхнюю.

Неравенство Чебышева справедливо для случайных величин Х= m, имеющей биноминальное распределение с математическим ожиданием М(Х) = а = np и дисперсией D(X) = npq. Данное неравенство принимает вид

P {| m - np | (3)

для частости события в n независимых испытаниях, в каждом из которых оно может произойти с вероятностью p=M()=a, дисперсия которых D()=, неравенство Чебышева имеет вид

P {| - p| (4)

Неравенство Чебышева имеет ограниченное значение, так как часто дает грубую и очевидную оценку. Например, если D(X) >ε2 и > 1, то 1-> 0; поэтому в данном случае неравенство Чебышева указывает на то, что вероятность отклонения неотрицательна, а это и без того тривиально,так как любая вероятность выражается неотрицательным числом. Это неравенство используется для вывода теоремы Чебышева.

Теорема Чебышева

Рассмотрим случайную величину Х, в которой закон распределения изменяется от эксперимента к эксперименту. Тогда будем иметь дело с несколькими (n) величинами.

Теорема 3. Если Х1, Х2, …, Xn независимые случайные величины с конечными математическими ожиданиями М(Хi), i=, и дисперсиями D(Хi), i=, ограниченными одним и тем же числом С, то есть D(Хi) < С, i=, то при возрастании n среднее арифметическое наблюдаемых значений величин Хi, i=, сходится по вероятности к среднему арифметическому их ожиданий, то есть для любого ε> 0

Рассмотрим величинуY=. Ее математическое ожиданиеM(Y) = , а дисперсияD(Y) = .

Применим к величине Y неравенство Чебышева, получим

P ()

Так как, то

Как бы ни было мало , переходя к пределу в формуле (6) при n, получим

что и требовалось доказать.

Таким образом, теорема Чебышева утверждает, что среднее арифметическое достаточно большого числа независимых случайных величин (дисперсии которых равномерно ограниченны) перестает быть случайной величиной. То есть оно является устойчивым и сходится по вероятности к определенной неслучайной величине, так как среднее арифметическое математических ожиданий - величина неслучайная.

Можно получить другую формулировку закона больших чисел, если в формуле (5) перейти к вероятности противоположного события

Для одинаково распределенных случайных величин Хi, i= существует частный случай теоремы Чебышева.

Теорема 4 (теорема Хинчина). Пусть Х1, Х2, … - независимые одинаково распределенные случайные величины, которые имеют конечные математические ожидания М(Хi) = m. Тогда последовательность {Yn}, где Yn, сходится m с вероятностью 1, то есть для любого ε>0

Закон больших распространяется на зависимые случайные величины.

Теорема 5 (теорема Маркова). Если для случайных величин Х1, Х2, …

= 0

то среднее арифметическое наблюдаемых значений случайных величин сходится по вероятности к среднему арифметическому их математических ожиданий:

для любого ε> 0

Сущность теоремы Чебышева состоит в том, что отдельные случайные величины могут иметь значительный разброс, а их среднее арифметическое рассеяно мало.

Отсюда следует, невозможно с уверенностью предсказать какое вероятное значение примет каждое из случайных величин, но можно предвидеть какое значение примет их среднее арифметическое.

Таким образом, среднее арифметическое достаточно большого числа независимых случайных величин утрачивает характер случайной величины. Это можно объяснить тем, что отклонение каждой их величин от своих математических ожиданий могут быть и положительными, и отрицательными, а в среднем арифметическом они взаимно погашаются.

Теорема Чебышева является справедливой не только для дискретных, но и для непрерывных величин; она представляет собой яркий пример, который подтверждает справедливость учения диалектического материализма о связи между случайностью и необходимостью.

Библиографическая ссылка

Теорема. Если СВ Х принимает только неотрицательные значения и имеет математическое ожидание, то для любого положительного числа А верно неравенство:

☺ Доказательство проведем для дискретной СВ Х. Расположим ее значения в порядке возрастания, из которых часть значений
будут не более числа А, а другая часть -
будут больше А, т.е.

Запишем выражение для математического ожидания М(Х): ,

где
- вероятности того, что СВ Х примет значения соответственно
.

Отбрасывая первые k неотрицательных слагаемых (напомним, что все
), получим:.

Заменяя в неравенстве значения
меньшим числом А, получим более сильное неравенство:или
.

Cумма вероятностей в левой части полученного неравенства представляет собой сумму вероятностей событий
, т.е. вероятность события Х>А. Поэтому
.☻

Т.к. события Х > А и Х ≤ А противоположные, то заменяя Р(Х > А) выражением 1 - Р(Х ≤ А), придем к другой форме неравенства Маркова:

.

Неравенство Маркова применимо к любым неотрицательным случайным величинам.

Пример . Среднее количество вызовов, поступающих на коммутатор завода в течение часа, равно 300. Оценить вероятность того, что в течение следующего часа число вызовов на коммутатор: а) превысит 400; б) будет не более 500.

Решение . а) По условию М(Х) = 300. По формуле
:
т.е. вероятность того, что число вызовов превысит 400, будетне более 0,75.

б) По формуле
:
т.е. вероятность того, что число вызовов не более 500, будетне менее 0,4.

1. Неравенство Чебышева (с выводом) и его частные случаидля случайной величины, распределенной по биномиальному за­кону, и для частости события.

Теорема . Для любой случайной величины, имеющей математическое ожидание и дисперсию, справедливо неравенство Чебышева:
,

где а = М(Х), е > 0.

☺ Применим неравенство Маркова в форме
к случайной величине
, взяв в качестве положительного числа
. Получим:
.

Т.к. неравенство
равносильно неравенству
, а
есть дисперсия случайной величины Х, то из неравенства получаем доказываемое неравенство. ☻

Учитывая, что события
и
противоположны, неравенство Чебышева можно записать и в другой форме:
.

Неравенство Чебышева применимо для любых случайных величин. В форме
оно устанавливаетверхнюю границу , а в форме
-нижнюю границу вероятности рассматриваемого события.

Запишем неравенство Чебышева в форме
для некоторых случайных величин:

а) для СВ Х = m, имеющей биноминальный закон распределения с математическим ожиданием а = М(Х) = nр и дисперсией D(X) = npq:
.

б) для частости события в n независимых испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью
и имеющей дисперсию
:
.

3амечание . Если М(Х) > А или
, то правые части неравенств Маркова и Чебышева в форме соответственно
и
будутотрицательными а в форме
и
будутбольше 1 .

Это означает, что применение указанных неравенств в этих случаях приведет к тривиальному результату: вероятность события больше отрицательного числа либо меньше числа, превосходящего 1.

1. Теорема Чебышева (с доказательством), ее значение и след­ствие. Пример.

Теорема . Если дисперсии n независимых случайных величин
ограничены одной и той же постоянной, то при неограниченном увеличении числа n средняя арифметическая случайных величин сходится по вероятности к средней арифметической их математических ожиданий
, т.е.

☺ По условию ,, где С - постоянное число.

Получим неравенство Чебышева в форме
для средней арифметической случайных величин, т.е. для
.

Найдем математическое ожидание М(Х) и оценку дисперсии D(Х):

(Здесь использованы свойства математического ожидания и дисперсии и, в частности, то, что случайные величины
независимы, а следовательно, дисперсия их суммы равна сумме дисперсий.)

Запишем неравенство
для случайной величины
:

Т.к. по доказанному
, то
,

Следовательно .

в пределе при n → ∞ величина стремится к нулю, и получим доказываемую формулу. ☻

Подчеркнем смысл теоремы Чебышева. При большом числе n случайных величин практически достоверно, что их средняя величина случайная, как угодно мало отличается от неслучайной величины, т.е. практически перестает быть случайной.

Следствие . Если независимые случайные величины
имеют одинаковые математические ожидания, равные а, а их дисперсии ограничены одной и той же постоянной, то:

,

Теорема Чебышева и ее следствие имеют большое практическое значение. Например, страховой компании необходимо установить размер страхового взноса, который должен уплачивать страхователь; при этом страховая компания обязуется выплатить при наступлении страхового случая определенную страховую сумму. Рассматривая частоту/убытки страхователя при наступлении страхового случая как величину случайную и обладая известной статистикой таких случаев, можно определить среднее число/средние убытки при наступлении страховых случаев, которое на основании теоремы Чебышева с большой степенью уверенности можно считать величиной почти не случайной. Тогда на основании этих данных и предполагаемой страховой суммы определяется размер страхового взноса. Без учета действия закона больших чисел (теоремы Чебышева) возможны существенные убытки страховой компании (при занижении размера страхового взноса), либо потеря привлекательности страховых услуг (при завышении размера взноса).

Неравенства Чебышёва

Во введении к разделу обсуждалась задача проверки того, что доля дефектной продукции в партии равна определенному числу. Для демонстрации вероятностно-статистического подхода к проверке подобных утверждений являются полезными неравенства, впервые примененные в теории вероятностей великим русским математиком Пафнутием Львовичем Чебышёвым (1821-1894) и потому носящие его имя. Эти неравенства широко используются в теории математической статистики, а также непосредственно применяются в ряде практических задач принятия решении. Например, в задачах статистического анализа технологических процессов и качества продукции в случаях, когда явный вид функции распределения результатов наблюдений не известен. Они применяются также в задаче исключения резко отклоняющихся результатов наблюдений.

Первое неравенство Чебышева. Пусть Х – неотрицательная случайная величина (т.е. для любого ). Тогда для любого положительного числа а справедливо неравенство

Доказательство. Все слагаемые в правой части формулы (4), определяющей математическое ожидание, в рассматриваемом случае неотрицательны. Поэтому при отбрасывании некоторых слагаемых сумма не увеличивается. Оставим в сумме только те члены, для которых . Получим, что

. (9)

Для всех слагаемых в правой части (9) , поэтому

Из (9) и (10) следует требуемое.

Второе неравенство Чебышева. Пусть Х – случайная величина. Для любого положительного числа а справедливо неравенство

.

Это неравенство содержалось в работе П.Л.Чебышёва «О средних величинах», доложенной Российской академии наук 17 декабря 1866 г. и опубликованной в следующем году.

Для доказательства второго неравенства Чебышёва рассмотрим случайную величину У = (Х – М(Х)) 2 . Она неотрицательна, и потому для любого положительного числа b , как следует из первого неравенства Чебышёва, справедливо неравенство

.

Положим b = a 2 . Событие { Y > b } совпадает с событием {| X – M (X )|> a }, а потому

что и требовалось доказать.

Пример 11 . Можно указать неотрицательную случайную величину Х и положительное число а такие, что первое неравенство Чебышёва обращается в равенство.

Достаточно рассмотреть . Тогда М(Х) = а, М(Х)/а = 1 и Р(а> a ) = 1, т.е. P (X > a ) = M (X )| a = 1.

Следовательно, первое неравенство Чебышёва в его общей формулировке не может быть усилено. Однако для подавляющего большинства случайных величин, используемых при вероятностно-статистическом моделировании реальных явлений и процессов, левые части неравенств Чебышёва много меньше соответствующих правых частей.

Пример 12. Может ли первое неравенство Чебышёва обращаться в равенство при всех а ? Оказывается, нет. Покажем, что для любой неотрицательной случайной величины с ненулевым математическим ожиданием можно найти такое положительное число а , что первое неравенство Чебышёва является строгим.

Действительно, математическое ожидание неотрицательной случайной величины либо положительно, либо равно 0. В первом случае возьмем положительное а , меньшее положительного числа М(Х), например, положим а = М(Х)/ 2. Тогда М(Х)/а больше 1, в то время как вероятность события не может превышать 1, а потому первое неравенство Чебышева является для этого а строгим. Второй случай исключается условиями примера 11.

Отметим, что во втором случае равенство 0 математического ожидания влечет тождественное равенство 0 случайной величины. Для такой случайной величины левая и правая части первого неравенства Чебышёва равны 0 при любом положительном а .

Можно ли в формулировке первого неравенства Чебышева отбросить требование неотрицательности случайной величины Х ? А требование положительности а ? Легко видеть, что ни одно из двух требований не может быть отброшено, поскольку иначе правая часть первого неравенства Чебышева может стать отрицательной.

Огромный опыт, накопленный человечеством, учит нас, что явления, имеющие вероятность, весьма близкую к единице, почти обязательно происходят. Точно так же события, вероятность наступления которых очень мала (иными словами, очень близка к нулю), наступают очень редко. Это обстоятельство играет основную роль для всех практических выводов из теории вероятностей, так как указанный опытный факт даёт право в практической деятельности считать мало вероятные события практически невозможными, а события, происходящие с вероятностями, весьма близкими к единице, практически достоверными. При этом на вполне естественный вопрос, какова должна быть вероятность, чтобы мы могли событие считать практически невозможным (практически достоверным), однозначного ответа дать нельзя. И это понятно, так как в практической деятельности необходимо учитывать важность тех событий, с которыми приходится иметь дело.

Так, например, если бы при измерении расстояния между двумя пунктами оказалось, что оно равно 5340м и ошибка этого измерения с вероятностью 0,02 равна или больше (или меньше) 20м, то мы можем пренебречь возможностью такой ошибки и считать что расстояние действительно равно 5340м. Таким образом, в данном примере мы считаем событие с вероятностью 0,02 практически несущественным (практически невозможным) и в своей практической деятельности его не учитываем. В то же время в других случаях пренебрегать вероятностями 0,02 и даже ещё меньшими нельзя. Так, если при строительстве большой гидроэлектростанции, требующей огромных материальных затрат и человеческого труда, выяснилось, что вероятность катастрофического паводка в рассматриваемых условиях равна 0,02, то эта вероятность будет сочтена большой и при проектировании станции она должна быть обязательно учтена, а не отброшена, как это было сделано в предыдущем примере.

Таким образом, только требования практики могут нам подсказать критерии, согласно которым мы будем считать те или иные события практически невозможными или практически достоверными.

В то же время необходимо заметить, что любое событие, имеющее положительную вероятность, пусть даже близкую к нулю, может произойти. И если число испытаний, в каждом из которых оно может произойти с одной и той же вероятностью, очень велико, то вероятность хотя бы однократного его появления может стать сколь угодно близкой к единице. Это обстоятельство постоянно следует иметь в виду.

Из сказанного понятно, что в практической деятельности, да и в общетеоретических задачах, большое значении имеют события с вероятностями, близкими к единице или нулю. Отсюда становится ясным, что одной из основных задач теории вероятностей должно быть установление закономерностей, происходящих с вероятностями, близкими к единице; при этом особую роль должны играть закономерности, возникающие в результате наложения большого числа независимых или слабо зависимых случайных фактов.

Действительно, нельзя заранее уверенно предвидеть, какое из возможных значений примет случайная величина в итоге испытания; это зависит от многих случайных причин, учесть которые мы не в состоянии. Казалось бы, что поскольку о каждой случайной величине мы располагаем в этом смысле весьма скромными сведениями, то вряд ли можно установить закономерности поведения и суммы достаточно большого числа случайных величин. На самом деле это не так. Оказывается, что при некоторых сравнительно широких условиях суммарное поведение достаточно большого числа случайных величин почти утрачивает случайный характер и становится закономерным.

Наличие связи между теоретическими и экспериментальными характеристиками случайных величин, проявляемой в большом числе опытов, позволяет предугадывать результаты массовых случайных явлений долей уверенности. Для практики очень важно знание условий, при выполнении которых совокупное действие очень многих случайных причин приводит к результату, почти не зависящему от случая, так как позволяет предвидеть ход явлений. Эти условия и указываются в ряде предельных теорем, одна группа которых объединена под общим названием «Закон больших чисел», другая же – под общим названием «Центральная предельная теорема».

Закон больших чисел состоит из теорем Чебышева и Бернулли (имеются и другие теоремы), в которых доказывается приближение при определённых условиях среднего арифметического случайных величин к некоторым случайным характеристикам. Теорема Чебышева является наиболее общим законом больших чисел, теорема Бернулли – простейшим.

В другой же группе предельных теорем, объединённых под общим названием «Центральная предельная теорема», устанавливается факт приближения при определённых условиях закона распределения суммы случайных величин к нормальному закону распределения. Математически это выражается в виде условий, которые должны выполняться для рассматриваемых случайных величин, то есть необходимо выполнение некоторых условий для случайных величин
, при которых суммарная случайная величина
распределена по нормальному закону.

Таким образом, закон больших чисел и центральная теорема составляют две группы предельных теорем теории вероятностей, которые в совокупности позволяют вполне обоснованно осуществлять прогнозы в области случайных явлений, давая при этом оценку точности производимых прогнозов.

Теорема Чебышева

Для доказательства теоремы Чебышева (да и других теорем, в том числе) воспользуемся одноимённым неравенством. Неравенство Чебышева (как впрочем и теорема) справедливо как для дискретных, так и для непрерывных случайных величин. Мы ограничимся, например, доказательством неравенства для непрерывной случайной величины.

НЕРАВЕНСТВО Чебышева 1: Вероятность того, что отклонение случайной величины Х , имеющей конечную дисперсию
, от её математического ожидания по абсолютной величине на меньше любого положительного числа, ограничена сверху величиной
, то есть, справедливо неравенство:

.

Доказательство : По определению дисперсии для непрерывной случайной величины можем записать

.

Интеграл в правой части полученного неравенства – это вероятность того, что случайная величина Х будет принимать значения вне интервала
. Значит

Неравенство доказано.

Замечание . Неравенство Чебышева имеет для практики ограниченное значение, поскольку часто даёт грубую, а иногда и тривиальную (не представляющую интереса) оценку. Например, если
и, следовательно,
; таким образом, в этом случае неравенство Чебышева указывает лишь на то, что вероятность отклонения находится в пределах от нуля до единицы, а это и без того очевидно, так как любая вероятность удовлетворяет этому условию.

Теоретическое же значение неравенства Чебышева весьма велико. Оценка, полученная Чебышевым, является универсальной, она справедлива для любых случайных величин, имеющих
и
.

ПРИМЕР .Найти вероятность выхода случайной величины Х , имеющей математическое ожидание
и дисперсию
, за трёхсигмовые границы.

Решение . Воспользуемся неравенством Чебышева:

Сравним полученный результат с тем, который следует из правила трёх сигм для нормального закона распределения:

Нетрудно сделать ВЫВОД : случайные величины, встречающиеся на практике, чаще всего имеют значительно меньшую вероятность выхода за трёхсигмовые границы, чем 1/9. Для них область является областью практически возможных значений случайной величины.

ТЕОРЕМА Чебышева (частный случай): Пусть Х 1 , Х 2 , …, Х n – попарно независимые случайные величины, имеющие одно и то же математическое ожидание М (Х ), и пусть дисперсии этих величин равномерно ограничены (то есть не превышают некоторого постоянного числа С ). Тогда, при достаточно большом числе независимых опытов среднее арифметическое наблюдаемых значений случайных величин сходится по вероятности к их математическому ожиданию, то есть имеет место равенство:

.

Доказательство . Применим к случайной величине
неравенство Чебышева:

.

Заметим (по условиям теоремы), что для дисперсии
справедливы соотношения:

То есть
.

Тогда, согласно неравенству Чебышева

.

Переходя к пределу при
получаем

.

А так как вероятность не может быть больше единицы, то отсюда и следует утверждение теоремы.

Теорема Чебышева была обобщена на более общий случай, доказательство которой проводится аналогично доказательству, предложенному выше.

ТЕОРЕМА Чебышева (общий случай): Пусть Х 1 , Х 2 , …, Х n – попарно независимые случайные величины, и пусть дисперсии этих величин равномерно ограничены (то есть не превышают некоторого постоянного числа С ). Тогда, при достаточно большом числе независимых опытов среднее арифметическое наблюдаемых значений случайных величин сходится по вероятности к среднему арифметическому их математических ожиданий, то есть имеет место равенство:

.

Сущность теоремы Чебышева

Сущность доказанной теоремы такова: хотя отдельные независимые случайные величины могут принимать значения далёкие от своих математических ожиданий, среднее арифметическое достаточно большого числа случайных величин с большой вероятностью принимает значения близкие к определённому постоянному числу, а имен к числу
(или к числу
в частном случае). Другими словами, отдельные случайные величины могут иметь значительный разброс, а их среднее арифметическое рассеянно мало.

Таким образом, нельзя уверенно предсказать, какое возможное значение примет каждая из случайных величин, но можно предвидеть какое значение примет их среднее арифметическое.

Итак, среднее арифметическое достаточно большого числа независимых случайных величин (дисперсии которых равномерно ограничены) утрачивает характер случайной величины . Объясняется это тем, что отклонения каждой из величин от своих математических ожиданий могут быть как положительными, так и отрицательными, а в среднем арифметическом они взаимно погашаются.

Значение теоремы Чебышева для практики

Приведём примеры применения теоремы Чебышева к решению практических задач.

Действительно, рассмотрим результаты каждого измерения как случайные величины Х 1 , Х 2 , …, Х n . К этим величинам может быть применена теорема Чебышева, если: 1) они попарно независимы, 2) имеют одно и то же математическое ожидание, 3) дисперсии их равномерно ограничены.

Первое требование выполняется, если результат каждого измерения не зависит от результатов остальных измерений.

Второе требование выполняется, если измерения произведены без систематических (одного знака) ошибок. В этом случае математические ожидания всех случайных величин одинаковы и равны истинному размеру
.

Третье требование выполняется, если прибор обеспечивает определённую точность измерений. Хотя при этом результаты отдельных измерений различны, но рассеяние их ограничено.

Если все указанные требования выполнены, мы вправе применить к результатам измерений теорему Чебышева (частный случай): при достаточно большом - числе измерений вероятность неравенства

как угодно близка к единице. Другими словами, при достаточно большом числе измерений почти достоверно, что их среднее арифметическое сколь угодно мало отличается от истинного значения измеряемой величины.

Итак, теорема Чебышева указывает условия, при которых описанный способ измерения может быть применим 1 .

На теореме Чебышева основан широко применяемый в статистике выборочный метод, суть которого состоит в том, что по сравнительно небольшой случайной выборке судят обо всей совокупности (генеральной совокупности) исследуемых объектов. Например, о качестве кипы хлопка заключают по небольшому пучку, состоящему из волокон, наудачу отобранных из разных мест кипы. Хотя число волокон в пучке значительно меньше, чем в кипе, сам пучок содержит достаточно большое количество волокон, исчисляемых сотнями.

В качестве другого примера можно указать на определение качества зерна по небольшой его пробе. И в этом случае число наудачу отобранных зёрен малó сравнительно со всей массой зерна, но само по себе оно достаточно великó.

Уже из приведённых примеров можно заключить, что для практики теорема Чебышева имеет неоценимое значение.

1 Есть и другая формулировка: Вероятность того, что отклонение случайной величины Х от её математического ожидания по абсолютной величине меньше положительного числа , не меньше чем
, то есть справедливо неравенство
.

2 Напомним, что
R

1 Однако ошибочно думать, что увеличивая число измерений можно достичь сколь угодно большой точности. Дело в том, что сам прибор даёт показания лишь с точностью
; поэтому каждый из результатов измерений, а следовательно и их среднее арифметическое, будут получены лишь с точностью, не превышающей точности прибора.